File: anomalia_neoplasia_agrotoxico_14a18

Regional de Saúde: Curitiba


Com o teste de Moran verificamos se existe efeito/correlação espacial. Estatísticas maiores que o valor esperado indicam correlação espacial positiva. Valores menores indicam correlação negativa.

Em vermelho, tudo que for significativo no nível de 5%.

var Moran I statistic Expectation Variance p-value
g27 0.1904 -0.0357 0.0147 0.0619
g07 0.1941 -0.0357 0.0146 0.0572
g04 0.2352 -0.0357 0.0147 0.0256

Vemos uma relação linear forte de anomalia-neoplasia de basicamente 2:1, no SIH. Já no SIA, a relação não é estatisticamente significativa.

Também não temos nenhuma evidência de associação entre anomalias e o grupo de agróticos g04 (o único testado, dado a similaridade entre os grupos). O grupo de agrotóxicos apresenta relação significativa com as neoplasias apenas no SIA.

SIH, 2014:2018


var Moran I statistic Expectation Variance p-value
neoplasia (SIH) 0.3764 -0.0357 0.0147 0.0007
anomalia (SIH) 0.2850 -0.0357 0.0145 0.0077

SIA, 2014:2018


var Moran I statistic Expectation Variance p-value
neoplasia (SIA) 0.1500 -0.0357 0.0138 0.1136
anomalia (SIA) 0.2929 -0.0357 0.0143 0.0059

Grupos mais prevalentes


File: *Grupos de anomalias mais frequentes _2014-2018*

AG1 (SIH): Malformação aparelho circulatório (Q20-Q28):2452

AG2 (SIH): Deformidade aparelho osteo muscular (Q65-Q79) :2418

AG3 (SIH): Malformações de órgãos genitais (Q50-Q56):1498

NG1 (SIH): Neoplasia de órgãos digestivos (C15-C26): 11842

NG2 (SIH): Neoplasia benigna (D10-D36):7449

NG3 (SIH): Neoplasia maligna de tecidos linfóides e hetopoeticos (C81-C96): 6235

var Moran I statistic Expectation Variance p-value
NG1 0.4376 -0.0357 0.0146 0.0001
NG2 0.3385 -0.0357 0.0136 0.0013
NG3 0.4392 -0.0357 0.0138 0.0001
AG1 0.4447 -0.0357 0.0140 0.0000
AG2 0.4838 -0.0357 0.0137 0.0000
AG3 0.4474 -0.0357 0.0131 0.0000

AG1 (SIA): Fenda labial palatina (Q35-Q37): 1312

AG2 (SIA): Anomalias cromossômicas (Q90-Q99): 272

AG3 (SIA): Malformações do aparelho digestivo (Q38-Q450): 198

NG1 (SIA): Neoplasia Maligna de mama (C50): 30633

NG2 (SIA): Neoplasia de órgãos digestivos (C15-C26): 24810

NG3 (SIA): Neoplasia de órgãos genitais masculinos (C60-C63): 17458

var Moran I statistic Expectation Variance p-value
NG1 0.0677 -0.0357 0.0017 0.0129
NG2 0.0423 -0.0357 0.0011 0.0176
NG3 0.0496 -0.0357 0.0014 0.0207
AG1 0.0690 -0.0357 0.0015 0.0066
AG2 0.0471 -0.0357 0.0015 0.0340
AG3 0.0598 -0.0357 0.0017 0.0192

Vemos como Curitiba (principalmente no SIA) e os municípios da região metropolitana se destacam.

Tudo é fortemente e positivamente correlacionado. Principalmente no SIA.

SIH correlations
x y estimate conf.low conf.high p.value
ag1 ag2 0.888 0.774 0.947 1.25391472741175e-10
ag1 ag3 0.939 0.873 0.971 4.88545190032094e-14
ag2 ag3 0.934 0.863 0.969 1.37966461163734e-13
ng1 ng2 0.827 0.661 0.916 3.18545190295286e-08
ng1 ng3 0.915 0.825 0.960 3.91113499505483e-12
ng2 ng3 0.879 0.755 0.942 3.72744459016455e-10
ag1 ng1 0.889 0.775 0.947 1.1839955971224e-10
ag2 ng2 0.861 0.723 0.933 2.00697444483608e-09
ag3 ng3 0.956 0.908 0.980 5.75034209184088e-16
ag1 ng2 0.868 0.735 0.936 1.10889289539091e-09
ag1 ng3 0.940 0.876 0.972 3.6583799888702e-14
ag2 ng1 0.894 0.785 0.950 6.33493639028798e-11
ag2 ng3 0.934 0.862 0.969 1.48150560041057e-13
ag3 ng1 0.858 0.718 0.932 2.59182948899009e-09
ag3 ng2 0.883 0.763 0.944 2.34439956289998e-10
SIA correlations
x y estimate conf.low conf.high p.value
ag1 ag2 0.997 0.993 0.999 4.09790393874491e-31
ag1 ag3 0.995 0.989 0.998 1.18763703141606e-28
ag2 ag3 0.993 0.986 0.997 7.12230295644919e-27
ng1 ng2 0.998 0.995 0.999 2.58040752627588e-33
ng1 ng3 0.999 0.998 1.000 2.11390316493097e-38
ng2 ng3 0.999 0.999 1.000 2.91451984957211e-40
ag1 ng1 0.998 0.996 0.999 1.0978958658403e-33
ag2 ng2 0.995 0.989 0.998 2.39767184725431e-28
ag3 ng3 0.993 0.985 0.997 8.44033598555811e-27
ag1 ng2 0.998 0.996 0.999 9.35538867691193e-34
ag1 ng3 0.998 0.995 0.999 1.35407313230187e-33
ag2 ng1 0.995 0.990 0.998 8.60670920386272e-29
ag2 ng3 0.995 0.989 0.998 3.35285527794245e-28
ag3 ng1 0.994 0.987 0.997 1.73511669218385e-27
ag3 ng2 0.994 0.986 0.997 3.30212427598085e-27

Regional de Saúde: Toledo


var Moran I statistic Expectation Variance p-value
g27 0.0095 -0.0588 0.0214 0.6401
g07 0.0066 -0.0588 0.0216 0.6563
g04 -0.0009 -0.0588 0.0210 0.6895

De acordo com os testes de Moran, não há efeito efeito/correlação espacial.

Associação positiva e significativa no SIH para anomalia-neoplasia.

SIH, 2014:2018


var Moran I statistic Expectation Variance p-value
neoplasia (SIH) -0.1111 -0.0588 0.0237 0.7341
anomalia (SIH) -0.1693 -0.0588 0.0169 0.3958

SIA, 2014:2018


var Moran I statistic Expectation Variance p-value
neoplasia (SIH) 0.0005 -0.0588 0.0220 0.6891
anomalia (SIH) 0.0912 -0.0588 0.0211 0.3019

Grupos mais prevalentes


var Moran I statistic Expectation Variance p-value
NG1 -0.1479 -0.0588 0.0198 0.5266
NG2 -0.1845 -0.0588 0.0232 0.4094
NG3 -0.3598 -0.0588 0.0216 0.0408
AG1 -0.1198 -0.0588 0.0177 0.6464
AG2 -0.1545 -0.0588 0.0155 0.4427
AG3 -0.3411 -0.0588 0.0233 0.0645

No SIH, efeito espacial significativo apenas para o NG3 (Neoplasia maligna de tecidos linfóides e hetopoeticos) e quase significativo para o AG3 (Malformações de órgãos genitais).

var Moran I statistic Expectation Variance p-value
NG1 -0.1879 -0.0588 0.0129 0.2554
NG2 -0.2295 -0.0588 0.0151 0.1647
NG3 -0.2364 -0.0588 0.0144 0.1393
AG1 -0.2856 -0.0588 0.0125 0.0424
AG2 -0.1901 -0.0588 0.0092 0.1708
AG3 -0.1465 -0.0588 0.0109 0.3998

No SIA, efeito espacial significativo apenas para o AG1 (Fenda labial palatina).

Apenas uma correlação não é estatisticamente significativa. NG1 (eoplasia de órgãos digestivos) com NG2 (Neoplasia benigna), no SIH.

Tudo é positivamente correlacionado, com as correlações mais fortes acontecendo entre as neoplasias no SIA.

SIH correlations
x y estimate conf.low conf.high p.value
ag1 ag2 0.890 0.724 0.959 7.65110396604452e-07
ag1 ag3 0.574 0.146 0.821 0.0127499001929695
ag2 ag3 0.644 0.254 0.854 0.00388894097182964
ng1 ng2 0.415 -0.064 0.739 0.0865269592082156
ng1 ng3 0.719 0.380 0.888 0.000768447702584948
ng2 ng3 0.793 0.517 0.919 8.74907616910524e-05
ag1 ng1 0.639 0.245 0.852 0.00432684308383175
ag2 ng2 0.592 0.173 0.829 0.0096839760134229
ag3 ng3 0.828 0.588 0.934 2.25494791516281e-05
ag1 ng2 0.602 0.188 0.834 0.00819463782002884
ag1 ng3 0.811 0.554 0.927 4.41294963394433e-05
ag2 ng1 0.748 0.433 0.901 0.000353644692152921
ag2 ng3 0.864 0.666 0.948 3.72459339650706e-06
ag3 ng1 0.591 0.172 0.829 0.00974125568270764
ag3 ng2 0.786 0.504 0.917 0.000110258221628992
SIA correlations
x y estimate conf.low conf.high p.value
ag1 ag2 0.796 0.523 0.921 7.81425754228276e-05
ag1 ag3 0.781 0.494 0.914 0.000131343391451486
ag2 ag3 0.757 0.449 0.904 0.000272858125283813
ng1 ng2 0.982 0.952 0.994 4.54863206349144e-13
ng1 ng3 0.987 0.966 0.995 2.96380592314316e-14
ng2 ng3 0.991 0.975 0.997 2.63070805526822e-15
ag1 ng1 0.860 0.657 0.947 4.74851467448638e-06
ag2 ng2 0.743 0.422 0.898 0.000415987178436149
ag3 ng3 0.848 0.631 0.942 8.67986772707079e-06
ag1 ng2 0.871 0.681 0.951 2.5625995228386e-06
ag1 ng3 0.845 0.625 0.941 1.00044067115597e-05
ag2 ng1 0.786 0.504 0.917 0.000110246883173306
ag2 ng3 0.733 0.404 0.894 0.00054179703176723
ag3 ng1 0.837 0.608 0.938 1.45344105018019e-05
ag3 ng2 0.842 0.619 0.940 1.14772191590933e-05

Whole state


var Moran I statistic Expectation Variance p-value
Neoplasias (SIH) 0.2068 -0.0025 0.0010 1.55779665695189e-11
Neoplasias por RS (SIH) 0.6575 -0.0476 0.0197 5.15166435814581e-07

var Moran I statistic Expectation Variance p-value
Anomalias (SIH) 0.0487 -0.0025 0.0010 0.0992
Anomalias por RS (SIH) -0.1375 -0.0476 0.0195 0.5197

var Moran I statistic Expectation Variance p-value
Neoplasias (SIA) 0.5110 -0.0025 0.0009 4.81160126189081e-65
Neoplasias por RS (SIA) 0.7065 -0.0476 0.0189 4.18802556780388e-08

var Moran I statistic Expectation Variance p-value
Anomalias (SIA) 0.1925 -0.0025 0.0010 3.40383003644265e-10
Anomalias por RS (SIA) 0.0991 -0.0476 0.0194 0.292610179164656

RS n_sih_mean a_sih_mean n_sia_mean a_sia_mean g27_mean g07_mean g04_mean
Apucarana 22.5138 29.9317 23.5709 5.8632 339.5882 87.5882 45.9412
Campo Mourão 31.5881 32.7113 30.2959 2.2279 496.7600 131.1600 71.9200
Cascavel 39.2455 32.1994 38.8523 4.6342 452.8000 121.0000 60.6000
Cianorte 28.6562 35.2985 24.1478 4.0254 412.3636 109.2727 58.4545
Cornélio Procópio 23.9828 32.4771 20.1375 1.2561 135.8571 35.6667 18.1905
Curitiba 17.4065 36.1962 22.4369 7.2669 501.1379 130.0690 70.0345
Foz do Iguaçu 32.1799 32.8563 38.1166 2.1017 604.1111 160.8889 80.4444
Francisco Beltrão 36.6415 36.8478 42.6921 4.2666 331.4444 85.0741 42.3333
Guarapuava 24.4348 34.3785 21.6825 4.4793 409.3000 104.4500 50.2500
Irati 19.0947 40.0832 20.7926 5.9916 490.1111 126.6667 66.5556
Ivaiporã 28.7966 37.8094 21.6913 2.4658 385.9375 101.0625 54.6250
Jacarezinho 23.9942 35.7565 19.2457 3.1030 365.6364 94.7727 45.3636
Londrina 23.9985 36.1345 24.4920 1.0135 464.8571 122.3333 65.2381
Maringá 27.2882 27.4134 23.0258 2.1908 468.4000 124.5000 63.3000
Paranaguá 16.4270 30.1927 21.8896 4.9726 531.5714 135.5714 66.1429
Paranavaí 30.4025 29.9587 24.1609 3.1987 212.8214 57.5357 32.6071
Pato Branco 21.0973 29.2551 23.6707 4.7853 194.0667 50.2667 25.2000
Ponta Grossa 18.4801 31.3036 16.5481 4.8965 666.9167 180.0000 86.5000
Telêmaco Borba 15.6427 29.3212 16.6455 5.4884 436.4286 110.5714 58.8571
Toledo 33.1901 33.8738 39.1542 3.9437 1112.3333 297.4444 159.8889
Umuarama 36.9370 32.5309 32.6959 1.5766 568.7143 154.9048 80.5714
União da Vitória 17.1649 38.9436 19.3538 3.3903 500.4444 132.7778 66.7778

var Moran I statistic Expectation Variance p-value
Agrotóxico g27 por RS 0.1487 -0.0476 0.0142 0.1000
Agrotóxico g07 por RS 0.1554 -0.0476 0.0142 0.0890
Agrotóxico g04 por RS 0.1507 -0.0476 0.0132 0.0842

SIH, 2014:2018


Usamos como efeito aleatório (dependência latente/não diretamente observada) as 22 regionais de saúde.

Vemos abaixo que nenhum modelo (com ou sem efeito espacial) capta bem as prevalências de neoplasias. De qualquer forma, apresentamos os resultados do melhor modelo (modelo Gaussiano IID). Por mais que ele não seja bom o bastante.

O fato de nenhum modelo ter ficado bom, indica que dizer que todos os municípios que compõem uma regional de saúde compartilham alguma similaridade latente, não é uma boa ideia/uma ideia correta. Ao menos quando o intuito é entender as prevalências de neoplasia em termos das de anomalias e grupo de agrotóxicos g04.

Model DIC WAIC CPO MLIK
Modelo Gaussiano IID 3017.617 3020.155 1458.337 -1572.699
Modelo ICAR 3017.908 3020.300 1459.193 -1589.658
Modelo CAR Próprio 3016.540 3019.014 1458.058 -1573.663
Modelo BYM 3017.416 3019.852 1458.238 -1564.504
Modelo BYM2 3022.628 3025.151 1460.193 -1565.172
mean sd 0.025quant 0.5quant 0.975quant mode kld
(Intercept) 23.154 2.341 18.539 23.156 27.748 23.162 0
a_sih 0.172 0.049 0.075 0.172 0.268 0.172 0
g04 -0.113 0.017 -0.146 -0.113 -0.079 -0.113 0
a_sih:g04 0.002 0.001 0.001 0.002 0.003 0.002 0

SIA, 2014:2018


Aqui vemos que a estrutura latente de regionais de saúde que definimos acaba prevalecendo. Contudo, ela acaba não descrevendo corretamente as prevalências de neoplasias. Mostramos mesmo assim os resultados do melhor modelo, o Gaussiano IID.

Model DIC WAIC CPO MLIK
Modelo Gaussiano IID 2855.270 2887.368 1326.950 -1493.676
Modelo ICAR 2856.363 2888.443 1328.362 -1511.223
Modelo CAR Próprio 2854.803 2871.803 1326.952 -1498.503
Modelo BYM 2854.862 2888.205 1326.831 -1485.369
Modelo BYM2 2857.109 2876.228 1325.391 -1489.529
mean sd 0.025quant 0.5quant 0.975quant mode kld
(Intercept) 25.668 1.824 22.069 25.667 29.270 25.664 0
a_sia 0.017 0.193 -0.362 0.017 0.396 0.017 0
g04 0.004 0.012 -0.019 0.004 0.027 0.004 0
a_sia:g04 -0.001 0.003 -0.007 -0.001 0.005 -0.001 0

A conclusão que chegamos aqui é que não obtemos bons resultados, tanto no SIH quanto SIA, ao usarmos a estrutura de regionais de saúde como estrutura de dependência latente. Independente se com efeito espacial ou não.

References


The main R (R Core Team, 2021) packages used in this analysis were: dplyr (Wickham et al., 2021), {tidyr} (Wickham, 2021), {stringr} (Wickham, 2019), {purrr} (Henry and Wickham, 2020), {rlang} (Henry and Wickham, 2021), {ggplot2} (Wickham, 2016),{fmsb} (Nakazawa, 2021), {geobr} (Pereira and Gancalves, 2021), and {INLA} (Rue et al., 2009; Lindgren and Rue, 2015; Bakka et al., 2018),

R Core Team (2021). R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria. URL https://www.R-project.org/

Wickham, H., François, R., Henry, L., Müller, K. (2021). dplyr: A Grammar of Data Manipulation. R package version 1.0.7. https://CRAN.R-project.org/package=dplyr

Wickham, H. (2021). tidyr: Tidy Messy Data. R package version 1.1.3. https://CRAN.R-project.org/package=tidyr

Wickham, H. (2019). stringr: Simple, Consistent Wrappers for Common String Operations. R package version 1.4.0. https://CRAN.R-project.org/package=stringr

Henry, L., Wickham, H. (2020). purrr: Functional Programming Tools. R package version 0.3.4. https://CRAN.R-project.org/package=purrr

Henry, L., Wickham, H. (2021). rlang: Functions for Base Types and Core R and ‘Tidyverse’ Features. R package version 0.4.11. https://CRAN.R-project.org/package=rlang

Wickham, H. (2016). ggplot2: Elegant Graphics for Data Analysis. Springer-Verlag New York

Nakazawa, M. (2021). fmsb: Functions for Medical Statistics Book with some Demographic Data. R package version 0.7.1. https://CRAN.R-project.org/package=fmsb

Pereira, R. H. M., Goncalves, C. N. (2021). geobr: Download Official Spatial Data Sets of Brazil. R package version 1.6.4. https://CRAN.R-project.org/package=geobr

Rue, H., Martino, S., Chopin, N. (2009), Approximate Bayesian Inference for Latent Gaussian Models Using Integrated Nested Laplace Approximations (with discussion), Journal of the Royal Statistical Society B, 71, 319-392.

Lindgren, F., Rue, H. (2015). Bayesian Spatial Modelling with R-INLA. Journal of Statistical Software, 63(19), 1-25. URL http://www.jstatsoft.org/v63/i19/.

Bakka, H., Rue, H., Fuglstad, G. A., Riebler, A., Bolin, D., Krainski, E., Simpson, D., Lindgren, F. (2018) Spatial modelling with R-INLA: A review. Invited extended review, arxiv:1802.06350.